继续请教问题:关于 Pytorch 的 Autograd

雷达

! G$ @/ X( g$ J& }
为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
+ @# M5 w7 i! M----------------------------------------------
import torch
import numpy as np
( W4 V( a9 y7 g+ mimport matplotlib.pyplot as plt
  ~) c# R" ^0 Q/ b2 \import random

x = torch.tensor(np.arange(1,100,1))
8 F4 Q, z" M. P; [' ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

* u; ^, f9 n1 Q' r% Iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
% H6 X  U' m8 t9 lb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
/ S& ?2 l% Z7 z: r  y_pred = (x*w+b)    # 预测
# c' ?9 S$ W7 K# G; s0 [- P  y_pred.reshape(-1)
. H. e+ l, j7 D! b2 M8 P3 ~
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
6 n( n& @  }+ z    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# c  E2 H& {9 f. w% D+ o  w.grad.zero_()  
5 W: e* e0 w. k" d: v2 G/ h' }; e/ b  b.grad.zero_()

: C2 U% S. ~% U1 p6 b  aprint(w.item(),b.item()) #结果
  Y9 a, Z0 p+ K
7 p3 p0 }2 d" U3 V* bOutput： 27.26387596130371  0.4974517822265625
( o+ ~4 c( J) ]  A----------------------------------------------
/ b+ Y; I9 q5 E- k# y) |, m3 d6 z最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
4 ~; m" _0 n* C$ D' H7 X

老福

. I4 d8 A6 v: B( z9 p
% B: k7 G8 j& j' o/ a, g没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
& I  ]' @' V* z! l2 {-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
. ?8 {, [: n, e$ v  w! a$ a3 G-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
7 v3 O# r4 f" X# l-------
  p4 l$ i/ R. W/ y; `$ d: B不好意思， ...

& U7 o5 q& ~3 D8 U! U/ o谢谢，算法应该没问题，就是最简单的线性回归。
: ^7 J& E1 [' V" G我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
* h- l6 N6 `+ j8 R我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

8 a  e% q' H* t. H9 P, _
+ S1 s; O" ~" V1 Y  v5 w* b/ M* v刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
( D! ^' ^$ h2 u3 m/ v刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。 ...

你是对的。
1 r6 N6 v0 n. A( X+ r去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

5 S9 f- K/ x5 ?3 r2 c5 H循环次数加成10倍，就看到 b 收敛了
w , b
+ `' `& X% I4 B27.002620697021484 14.826167106628418

8 d0 e: [0 ~# `/ x; h和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。